一、明确我们要训练什么（目标）

在训练之前，我们要收集足够的图片素材，以下类型的图片张数仅供参考

训练目标	推荐图片数量	关注重点
角色/人物	20 – 50 张	服装变化、角色细节、多角度
风格	50 – 100 张	画风一致性、色彩特征、笔触
产品/物体	50 – 100 张	不同角度、不同光照、不同场景
IP 形象	~100 张	白底图 + 场景图 + 纯背景图搭配

注意：至少要有10张图片!

 

图片质量要求（很重要，否则训练出来效果不好）

1.清晰度

图片必须 高清、无模糊、无噪点

能看清主体的轮廓、颜色、材质和细节

避免使用压缩严重、截图模糊、水印遮挡的图片（如果使用，后面模型生成出来的照片水印处会模糊带有水印）

 

2. 分辨率与尺寸

推荐分辨率：512×512 ~ 1024×1024（常见为 1024×768）

宽高必须是 64 的倍数（如 512、576、640、768、832、1024 等）

不建议使用过小（< 512）或过大（> 1536）的图片（在魔搭平台上宽高太大可能训练不了要求要裁剪）

推荐使用 PNG 格式以减少压缩损失

 

3. 图片内容要求

3.1.主体突出

图片应最大化展示训练主体，主体占画面比例尽量大

避免大面积留白或主体过小的构图

需要裁切处理，去除无关边缘

 

3.2.背景干净

尽量使用纯色/简洁背景（白底、纯色底最佳）

避免复杂、花哨的背景干扰模型学习

如果训练角色，可搭配少量场景图（比例约 4:4:2）：

~40 张 纯白/纯色背景

~40 张 带简单场景

~20 张 纯背景/环境图（可选）

 

二、实操开始

1. 首先找到顶部栏，点击 AIGC专区

 

 

2. 旁边这一栏中，我们可看到 模型训练 ，打开它

 

 

3. 底模的选择（仅供参考）

 

训练目标	首选	备选	选择理由
角色 / 人物（写实真人）	Klein Base 9B	Z‑Image	写实质感、人脸一致性最顶；Z‑Image 对亚洲脸更友好
角色 / 人物（二次元 / 动漫）	Z‑Image	其它动漫模型	Z‑Image 非蒸馏可训且二次元强；纯二次元也可考虑截图外的 SD1.5 / NAI / AnimagineXL 系（生态最成熟）
风格（画风 / 笔触 / 色调）	Qwen‑2512	Z‑Image	非蒸馏能完整保留风格信号；带文字的海报风 / 国风优先 Qwen
产品 / 物体（电商 / 写实）	Klein Base 9B	Qwen‑2512	写实 + 包装文字 / 价格渲染强；Klein 的"编辑 + 多参考"利于产品多角度一致性
IP 形象（吉祥物 / 带 Logo / 多场景）	Qwen‑2512	Z‑Image(Base)	IP 常需 Logo / 中英文 + 多场景一致性，Qwen 的文字与一致性最稳

 

4. 训练总步数不用管他，6000差不多了，（步数太多容易导致训练失败）

5. 上传收集足够的图片素材

6. 打标，全选图片开始打标，等待打标完成（建议选择通义千问打标，因为千问打标是中文，以后生成图片写提示词肯定也用中文）

7. 一定要点击开始免费训练！！！不然在阿里云上训练虽然更快但要收取费用

8. 训练时间较长，耐心等待一下，训练完就可以用自己的模型生成图片了

 

三、展示一下自己训练的模型

1.反面案例

模型链接:

https://modelscope.cn/models/zhushiyyds/yinghua

 

这个模型是我用了10张照片训练的，这些照片它们的主题不同。使用这个模型生成的图片，和直接使用底模生成的图片区别不大。（如下两张图对比）

提示词：

一位二次元动漫风格的女生，正面微侧身站立，占据画面中心。银色长发呈波浪状垂至肩下，左侧一缕头发被黑色发带束起，发带上系有蓝绿色丝带；右耳上方额外系有一条相同蓝绿色丝带，与发带呼应。面部特征精致空灵：大而圆润的蓝色眼睛，虹膜细节清晰，眼神柔和略带忧郁，睫毛纤细分明；脸颊泛有淡粉红晕，皮肤白皙如瓷，无瑕疵。身穿无袖白色连衣裙，领口带褶边装饰，胸前正中缝制一枚小巧的白色缎面蝴蝶结；外搭一件宽松露肩罩衫，主体为白色薄纱材质，袖口与下摆点缀浅蓝色滚边，自然滑落露出双肩及锁骨区域。背景为从上至下渐变的纯白到浅灰，无纹理或图案。光线为柔和正面漫射光，轻微高光落在发丝、鼻梁、肩部与蝴蝶结表面，阴影仅存在于颈部下方、手臂内侧与裙摆褶皱处，过渡自然。线条干净流畅，无描边或夸张轮廓，色彩饱和度低，整体以白、浅灰、银、淡蓝、粉红为主调。画面不含任何文字元素。

 

（这一张是底模生成的）

 

（这一张是底模+训练的模型生成的）

2.正面案例

模型链接:

https://modelscope.cn/models/zhushiyyds/ZSAIGC_StarRail

 

这个模型是我用了10张崩铁的游戏风景照片训练的，这些照片它们的主题相同。使用这个模型生成的图片，和直接使用底模生成的图片区别很大，第二张图有明显的崩铁画风。（如下两张图对比）

提示词：

dimly lit city, industrial style, stone and brick, characters present, platform figure, glowing orange, arches pipes, balconies, steampunk fantasy

 

（这一张是底模生成的）

 

（这一张是底模+训练的模型生成的）

 

总结一下：主题很重要，我们需要使用跟主题相符的图片训练模型，并且在使用训练的模型生成图片时，需要围绕训练的主题，否则效果不好。（个人观点，仅供参考）

https://modelscope.cn/profile/zhushiyyds